初识 Matplotlib

Matplotlib 是 Python 数据分析时最基本的绘图库，对于 Matplotlib 我们应该并不陌生，在介绍 Pandas 库的使用时，我们也顺带提到了绘图与 Matplotlib 库。

Pandas - 绘图操作：https://www.jianshu.com/p/730b7debaa99

Matplotlib 中基本的绘图操作

下面，我们绘制一条直线：

import matplotlib.pyplot as plt
import numpy as np

%matplotlib inline

plt.plot([1,2,3,4,5],[1,2,3,4,5])

在横坐标和纵坐标添加标签：

plt.plot([1,2,3,4,5],[1,2,3,4,5])
plt.xlabel('X')
plt.ylabel('Y')

当然，允许我们在添加坐标轴标签时，指定标签的字体大小：

plt.plot([1,2,3,4,5],[1,2,3,4,5])
plt.xlabel('X', fontsize=14)
plt.ylabel('Y', fontsize=14)

Matplotlib 绘图时默认使用直线，此外，允许我们指定其它线型，如虚线、点等等。

plt.plot([1,2,3,4,5],[1,2,3,4,5],'--')
plt.xlabel('X', fontsize=14)
plt.ylabel('Y', fontsize=14)

指定线条的颜色：

plt.plot([1,2,3,4,5],[1,2,3,4,5],'--',color='magenta')
plt.xlabel('X', fontsize=14)
plt.ylabel('Y', fontsize=14)

如果我们同时指定线条和线条的颜色，通常会把表示它们的符号写在一个字符串中即可：

plt.plot([1,2,3,4,5],[1,2,3,4,5],'--r')
plt.xlabel('X', fontsize=14)
plt.ylabel('Y', fontsize=14)

此外，还可以使用 linewidth 参数制定线条宽度：

x = np.linspace(-10,10)
y = np.cos(x)
plt.plot(x,y,color='c',linewidth=2.2)

绘制结果：

绘制图形时，还可以使用 marker 将数据点标记出来，只需要将 marker 指定为标记时使用的符号即可：

plt.plot(x,y,color='c',linestyle=':',marker='o',markerfacecolor='m',markersize=10)

绘制结果：

上述我们在设置绘图细节时，都是在 plot 函数中传入参数的方式实现的。除此之外，我们也可以现将图画出来，然后使用 plt.setp 来设置所会图形的细节。

line = plt.plot(x,y)
plt.setp(line,color='g',linestyle=':',linewidth=2.2,marker='o',markerfacecolor='c',markersize=10)

绘制结果：

子图

在同一个坐标系中绘制多个图：

arr = np.arange(-1,1,0.1)

plt.plot(arr,arr,'r')
plt.plot(arr,arr**2,'m--')
plt.plot(arr,arr**3,'c-.')

也可以在 plot 时直接传入多组数据：

plt.plot(
    arr,arr,'r', 
    arr,arr**2,'m--',
    arr,arr**3,'c-.'
)

如果将上述图形以子图的形式绘制在多个坐标系中，主要用到 plt.subplot 方法：

plt.subplot(221)
plt.plot(arr,arr,'r')

plt.subplot(222)
plt.plot(arr,arr**2,'m--')

plt.subplot(223)
plt.plot(arr, arr**3,'c-.')

不难看出，221 即 2 行 2 列子图集的第一个子图，222 即 2 行 2 列子图集的第二个子图，以此类推。